基于卷积神经网络的视差图生成技术

• 作者: 朱俊鹏 杨海涛 赵洪利
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 裸眼三维 视差图 背景空洞 特征提取 卷积神经网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 255-259,289
• 页数: 6页
• 分类号: TP391.413
• 字数: 6911字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017071659

摘要

针对裸眼三维中视差图生成过程中存在的高成本、长耗时以及容易出现背景空洞的问题,提出了一种基于卷积神经网络(CNN)学习预测的算法.首先通过对数据集的训练学习,掌握数据集中的变化规律;然后对输入卷积神经网络中的左视图进行特征提取和预测,得到深度值连续的深度图像;其次将预测所得到的每一个深度图和原图进行卷积,将生成的多个立体图像对进行叠加,最终形成右视图.仿真结果表明:该算法的像素重构尺寸误差相比基于水平视差的三维显示算法和深度图像视点绘制的算法降低了12.82％和10.52％,且背景空洞、背景粘连等问题都得到了明显改善.实验结果表明,卷积神经网络能提高视差图生成的图像质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨海涛	装备学院复杂电子系统仿真实验室	14	79	7.0	8.0
2	赵洪利	装备学院训练部	12	58	5.0	7.0